中国动车组车次号编码改进方案研究

随着我国高速铁路的不断发展,现行动车组车次编码混乱、容量受限及难辨识等问题日益明显,急需对其进行改进。总结并分析国外铁路旅客列车车次编码方案,借鉴航空编码规则,针对我国现行动车组车次编码方案和高速铁路发展趋势,重点考虑了车次编码容量、车次运营管理精细度、乘客识记方便程度以及车次文化内涵等因素,提出近期和远期两个阶段的动车组车次编码改进方案。在近期方案中,跨局列车采用“原字母+K+数字”的表达方式,管内列车采用“原字母+N+数字”的表达方式,进一步明确了不同速度等级和运行区域列车车次的概念,增加了开行列车的辨识度,改进后编码容量是现有动车组编码的1.5倍。在远期方案中,取消“D”字头车次编码,划分为“C”字头管内城际列车、“S”字头管内市郊列车、“G”字头跨局高速动车组列车和“W”字头跨局卧铺动车组列车,增加运营公司汉字代码,采用“首字母+运营等级+数字+运营公司代码”的编码方式,改进后车次编码容量是现有车次编码的54倍。此外,在车票购买网站及车票上标注运营列车名称并以不同颜色区分,增加客用车票二维码,进一步丰富列车车次文化内涵,展现不同车次地域特色,同时能在国内、国际上对我国的列车产品及铁路发展情况进行良好宣传。本研究综合考虑旅客列车运行中的多种因素,全方位优化动车组车次编码,为中国高速铁路车次编码改进提供参考。

一种HEVC的CU分割模式快速算法

由于高效视频编码(H.265/HEVC)的复杂度高和编码时间长,提出了一种CU(编码单元)分割模式的快速算法。该算法利用相邻编码单元具有很强的时空相关性,缩小编码单元深度遍历范围,提前终止或跳过不必要的深度,同时根据前一帧中与当前CU对应位置CU的深度关系,分别进行率失真代价的比较,确定CU的最佳分割模式。实验结果证明,与HM16.9标准算法相比,本文提出的算法能在保持编码性能的情况下使平均编码时间大约减少21.68%,说明该方案可以广泛应用在实时视频中。

基于CART决策树的HEVC帧间CU快速划分算法

针对高效视频编码(High Efficiency Video Coding,HEVC)帧间编码过程中编码单元(Coding Unit,CU)划分复杂度过高的问题,提出一种基于CART决策树的CU快速划分算法。该算法包括CART决策树建模和CU快速编码算法两部分。首先,将CU划分问题归为二分类问题,以当前CU的空间相邻CU的深度划分信息作为最优特征属性,建立CART模型且进行测试评估;然后利用建立的CART模型对当前CU进行快速划分。实验结果表明,在保持编码性能的同时,该算法比HM16.0算法节省43.34%的编码时间,有效地提高了编码效率。

A passive optical network based on optical code division multiplexing and time division multiple access technology

A passive optical network （PON） scheme based on optical code division multiplexing （OCDM） for the downstream traffics is proposed and analyzed in detail. In the PON, the downstream traffics are broadcasted by OCDM technology to guarantee the security, while the upstream traffics pass through the same optical fiber by the common time division multiple access （TDMA） technology to decrease the cost. This schemes are denoted as OCDM/TDMA-PON, which can be applied to an optical access network （OAN） with full services on demand, such as Internet protocol, video on demand, tele-presence and high quality audio. The proposed OCDM/TDMA-PON scheme combines advantages of PON, TDMA, and OCDM technology. Simulation results indicate that the designed scheme improves the OAN performance, and enhances flexibility and scalability of the system.

一种基于深度可分离卷积的VVC帧内编码快速块划分算法

最近,联合视频探索工作组(JVET)将通用视频编码(VVC)作为新一代视频编码标准,它利用复杂的四叉树加多类型树(QTMTT)划分结构有效地提升了编码性能,但也导致编码复杂度急剧攀升,大幅地增加了编码时间。为解决上述问题,提出了一种基于深度可分离卷积的VVC帧内编码快速块划分算法,将编码单元(CU)的原始像素值作为输入,利用轻量化的深度可分离卷积神经网络提取CU纹理信息特征指导CU的划分模式选择,实现精准的划分模式预测。该方案通过跳过低概率的划分模式,减少CU划分模式的遍历,大幅地降低编码器的复杂度。实验结果表明,所提算法在VTM15.2平台上实现了18%~48%的编码时间节省,仅仅带来了平均0.15%的性能损失,并且轻量化的深度可分离卷积计算带来的额外复杂性也可以忽略不计。

基于深度学习帧内编码快速划分算法

为降低H.266/VVC(versatile video coding)帧内编码复杂度,提出一种基于纹理分类的卷积注意力机制神经网络CBAM-CNN(convolutional block attention module-convolution neural network)模型的快速帧内编码单元划分方法,替代嵌套多类型四叉树QTMT(quadtree with nested multi-type tree)的遍历搜索。综合考虑每个编码单元CU(codinguint)纹理特征,建立基于阈值的纹理分类模型,判断64×64的编码单元是否划分;设计并训练一种CBAM-CNN网络模型,预测32×32,16×16CU的划分结果。仿真结果表明,所提算法使帧内编码时间平均减少43.217%,编码比特率仅增加0.894%,有效降低了帧内预测的编码复杂度。

高效视频编码的快速编码单元深度遍历选择和早期编码单元裁剪

为了降低新一代高效视频编码(High Efficiency Video Coding,HEVC)标准的编码复杂度,提出了一种基于四叉树结构类型分析和早期编码单元(Coding Unit,CU)裁剪的HEVC快速编码新算法。首先,通过分析已编码的最大编码单元(Largest CU,LCU)四叉树结构类型,确定其深度遍历区间(Depth Range,DR)类型。然后,利用相邻已编码的LCU以及前向参考帧和后向参考帧中坐标位置相同的LCU的DR类型来预测当前LCU的DR类型,并根据预测得到的DR类型对当前LCU设定CU深度遍历区间。最后,采用贝叶斯决策原理获取阈值,并利用该阈值在CU分割过程进行早期CU裁剪。实验结果表明:相对于原始HEVC编码结构,本文算法在随机访问模式下编码时间平均减少41.55%,BDBR(Bjontegaard Delta Bit Rate)只增加约1.94%,BDPSNR(Bjontegaard Delta Peak Signal-to-noise Rate)只降低了0.06dB;与Shen方案相比,该算法可以降低12%左右的计算复杂度,BDBR只增加约1.09%,BDPSNR只降低了0.03dB。

一种面向HEVC的编码单元深度决策算法

新一代高性能视频编码(HEVC)标准采用灵活的四叉树自适应存储结构、可变尺寸的编码块、35种帧内预测模式等新技术,能够有效提升HEVC的编码效率,但也造成了更高的编码复杂度。为此,提出一种基于时空相关性的编码单元深度决策算法。融合关联帧编码单元的深度信息及当前帧相邻编码单元的深度信息,从而预测当前编码单元的深度范围。实验结果表明,与HEVC标准测试算法相比,该算法能在不明显影响编码质量的基础上平均减少30.2%的编码时间。

一种改进的HEVC编码单元划分方法

针对高效率视频编码(HEVC)帧内预测中的率失真优化(RDO)算法计算复杂度高的问题,该文提出了一种基于统计学的率失真优化的改进方法。通过对不同量化参数的率失真代价概率分布图产生的阈值进行统计,得到最大编码单元(LCU)划分过程中不同深度的阈值方程,并利用该阈值提前终止编码单元的划分从而达到降低计算复杂度的目的。实验表明该文所提出的改进方法与HEVC的测试模型HM10.0相比,在保证视频质量和码率基本不变的前提下(码率仅增加了0.5%,Y-PSNR只降低了0.019d B),减少了26.7%的编码时间,提高了编码效率。

高效率视频编码中基于块整合的错误隐藏算法

针对新一代视频编码标准高效率视频编码(HEVC)编码单元(CU)尺寸较大所导致的丢包后错误隐藏恢复效果不佳的问题,提出了对CU下的分割块进行块融合的错误隐藏方法。首先,分析了残差能量与块分割的相关性;然后,通过参考帧残差能量与所设阈值进行比较判决,对当前丢失CU分割块进行融合,得到丢失CU的块分割方式;其次,对矢量外推法进行权值优化,保证了算法在HEVC错误隐藏的适用性;最后,对融合块采用优化后的矢量外推法进行错误隐藏。实验结果表明,与经典错误隐藏方法如拷贝法、运动补偿法等相比,基于块融合的错误隐藏在保证解码视频结构相似性(SSIM)的同时提高了不同运动性的解码视频峰值信噪比(PSNR),验证了算法的可行性。

基于纹理主方向强度的HEVC帧内快速分层算法

为降低高效视频编码帧内预测过程的计算复杂度,提出一种基于纹理主方向强度的快速帧内预测算法。根据每一深度层编码单元(CU)分布特点,并结合每块CU纹理主方向强度判断CU是否需要进行分割处理。在深度层为0和1的CU块上统计4×4块的纹理方向,确定当前CU的纹理主方向强度,判断其纹理复杂度。在深度为2和3的CU上结合像素方差,以像素点为单位计算相应CU的纹理主方向强度。通过实验训练序列获得恰当的阈值,自适应提前终止编码单元的划分,减少帧内预测的编码复杂度。实验结果表明,在保证信噪比和比特率基本不变的条件下,与平台HM15.0相比,该算法编码时间平均节省51.1%。

基于高效率视频帧内编码的快速编码单元和预测模式决策算法

针对高效率视频编码采用四叉树分割和35种模式预测等技术来提高视频编码质量,但引起算法复杂度剧增这一问题,本文利用当前编码单元及其相邻单元空间相关性对当前编码单元分割模式进行预测,从而快速决策编码单元的分割模式.此外,通过跳过若干低概率预测模式的率失真最优化处理过程,实现了一种快速的预测模式决策算法.测试结果显示,提出的算法可以平均减少53%的编码时间,并保持BDBR仅为1.17%的良好编码质量.

HEVC帧间预测编码单元深度快速选择算法

为降低高效视频编码(HEVC)帧间预测编码的计算复杂度,提出一种快速编码单元(CU)深度选择算法。利用当前CU与时空域相邻CU的深度信息,初步预测当前CU的深度范围,并根据当前CU与邻近CU的运动矢量信息对当前CU深度选择做进一步终止判断。实验结果表明,该算法与HEVC测试模型(HM16. 0)相比,在低时延和随机访问2种编码配置下,码率分别仅增加0. 93%和1. 01%,而编码时间减少了29. 1%和30. 3%。

基于深度预测的HEVC编码单元快速划分算法

高效视频编码HEVC(High Efficiency Video Coding)采用计算复杂度较高的率失真优化方法对编码单元CU(Coding Unit)划分进行判决,具有较高的时间复杂度,编码所需时间较长。为降低HEVC编码复杂度,加快编码速度,提出一种基于深度预测的CU快速划分算法。首先依据当前CU与周围相邻CU和参考帧中当前位置CU的深度相关性,预测当前CU的最优深度,然后使用相邻相关分割法或依据当前CU深度和预测深度的关系对当前CU进行递归划分。为减少预测带来的误判,在CU深度级别由2级到3级的划分中,使用率失真或百分比的方式进行二次判定。实验结果表明,该算法与原始的HEVC编码方法相比,在亮度峰值信噪比减小0.07 d B,编码比特率增加0.88%的情况下,整体编码单元划分时间缩短37.7%,具有较高的时间效率。

高效率视频编码帧内快速算法

针对高效率视频编码(HEVC)帧内预测过程中较高的计算复杂度,首先在编码单元(CU)决策的层面上,提出了一种基于绝对误差和(SATD)的CU分割提前终止方案:对于每个深度级的CU,判断该CU最小的SATD值是否小于给定的阈值;若是,则终止该CU的分割过程。同时,基于统计的分析,依照各候选模式成为最优预测模式的概率,进一步排除低概率的候选模式。实验结果表明,同原始HM10.1相比,所提算法可以节省编码时间30.5%,并且保持视频质量几乎不变(平均Y方向峰值信噪比仅降低0.02 dB)。此外,所提算法软硬件实现简单,而且容易与其他算法进一步融合,进一步降低HEVC的帧内编码复杂度。

一种联合式自适应多用户检测算法

自适应多用户检测器没有充分利用多用户信号特点 ,为此 ,提出联合式自适应算法 ,以接收信号作为参考信号 ,而自适应滤波器的输入信号变为各用户扩频序列的采样值。分析和仿真结果表明 。

地下空间不动产单元划分与编码技术研究——以地下交通设施为例

随着国家不动产统一登记工作的不断推进,各大城市对地下空间的深度开发,如何划分地下空间不动产单元并编制唯一的单元代码已成为当前不动产登记部门迫切解决的问题。本研究以地下交通设施为例,在参考不动产单元设定与编码规则和分析地下建筑设计规范的基础上,提出地下交通不动产单元划分思路与编码模式,并选取合肥市典型案例给出划分和编码方法,为后续建立完整的地下空间不动产单元划分与编码规则奠定基础。

多策略的HEVC帧内快速预测算法

为降低高效视频编码(HEVC)帧内预测过程的计算复杂度,提出一种利用灰度直方图结合自相关函数的快速深度选择算法。统计每个最大编码单元(CU)的灰度值分布,生成其灰度直方图,利用灰度直方图的自相关函数排除不必要的深度计算。同时针对帧内预测模式的优化,给出3个减少帧内候选模式数量的有效策略。应用梯度边缘检测进一步减少8×8CU的候选模式数量,使用模式相关以及当前CU的纹理特征,对满足一定条件的CU只选取2种预测模式进行率失真优化计算。实验结果表明,与原始HM10.1相比,该算法平均可以节省约48%的编码时间,同时又能保持较高的视频质量。

针对HEVC编码单元的二分深度划分算法

为了降低高效率视频编码(HEVC)的编码单元(CU)进行四叉树递归遍历的时间,提出一种改进的编码单元快速划分算法.首先,利用帧间时间域的相关性,提取前一帧相同位置CU的最优划分结构,以预测当前CU的划分深度;然后通过改进编码CU结构划分遍历的算法,减少CTU(Coding Tree Unit)四叉树结构的遍历,即从二分深度开始遍历,在每一步遍历之前,判断是否提前终止遍历.实验表明,与HM15.0中的基准划分算法相比,本文算法能够在保证编码性能的同时,降低了55.4%的编码时间,提高了HEVC的编码效率.